人工智能已經(jīng)學(xué)會(huì)利用2014年至2016年底，芝加哥暴力和財(cái)產(chǎn)犯罪的公開數(shù)據(jù)來識(shí)別時(shí)間和地理位置的模式，能夠提前幾周準(zhǔn)確預(yù)測(cè)犯罪水平。該模型還在美國其他7個(gè)主要城市的數(shù)據(jù)上進(jìn)行了訓(xùn)練和測(cè)試，它們的表現(xiàn)水平類似。

　　然而，人工智能的結(jié)論也表明，整個(gè)城市的警察反應(yīng)中都存在與種族有關(guān)的偏見。根據(jù)發(fā)表在《自然人類行為》雜志上的研究，芝加哥較富裕地區(qū)的犯罪導(dǎo)致的逮捕人數(shù)比貧困地區(qū)更多。

　　該研究的資深作者伊沙努?查托帕德海伊說：“我們發(fā)現(xiàn)，當(dāng)給系統(tǒng)施加壓力時(shí)，它需要更多資源來逮捕更多人以應(yīng)對(duì)富裕地區(qū)的犯罪，而把警力資源從社會(huì)經(jīng)濟(jì)地位較低的地區(qū)引開?！?/p>

　　該工具通過關(guān)注兩大類報(bào)告事件進(jìn)行了測(cè)試和驗(yàn)證，比如暴力犯罪和財(cái)產(chǎn)犯罪。這些是城市地區(qū)最有可能向警方報(bào)案的罪行。

　　以前的犯罪預(yù)測(cè)工作經(jīng)常使用流行病或地震方法，其中犯罪被描述為出現(xiàn)在“熱點(diǎn)”并蔓延到周邊地區(qū)。這些工具往往忽略了城市環(huán)境以及犯罪與警察執(zhí)法效果之間的關(guān)系。

　　“空間模型忽略了城市的自然拓?fù)浣Y(jié)構(gòu)，交通網(wǎng)絡(luò)尊重街道、人行道、火車和公交線路。通訊網(wǎng)絡(luò)尊重具有相似社會(huì)經(jīng)濟(jì)背景的地區(qū)。我們的模型能夠發(fā)現(xiàn)這些聯(lián)系?！鄙鐣?huì)學(xué)家和合著者詹姆斯·埃文斯說。

　　新模型將城市劃分為大約300米寬的空間塊，并預(yù)測(cè)這些區(qū)域內(nèi)的犯罪行為，而不是依賴傳統(tǒng)的社區(qū)或政治邊界，這些也會(huì)受到偏見的影響。

　　由于存在偏見風(fēng)險(xiǎn)，之前使用人工智能工具預(yù)測(cè)犯罪的努力一直備受爭(zhēng)議。芝加哥警察局試驗(yàn)了一種算法，創(chuàng)建了一份被認(rèn)為最有可能卷入槍擊事件的人的名單，結(jié)果顯示，該市20至29歲的黑人男性中，有56%出現(xiàn)在名單上。

　　Chattopadhyay承認(rèn)，他的模型使用的數(shù)據(jù)也會(huì)有偏差，但他表示，已經(jīng)采取了措施來減少這種影響，而且人工智能不能識(shí)別嫌疑人，只能識(shí)別潛在的犯罪現(xiàn)場(chǎng)。該團(tuán)隊(duì)還向公眾發(fā)布了數(shù)據(jù)和算法，以便其他研究人員可以檢查其推理和結(jié)論。

　　Chattopadhyay說：“我們創(chuàng)建了城市環(huán)境的數(shù)字孿生。如果向它提供過去發(fā)生的事情的數(shù)據(jù)，它就會(huì)告訴你未來會(huì)發(fā)生什么。但它并不神奇，它也有局限性，但我們對(duì)其進(jìn)行了驗(yàn)證，并且效果非常好。”